矩阵乘法

矩阵乘法是个很高端的东西。
注意事项： 以下的讲述下标都从0开始

矩阵是什么？

不解释

矩阵加减法？

矩阵加矩阵，就将对应的加上。
矩阵加常数，就将每一个元素都加上这个常数。
减法同理。

矩阵乘法

一张好图，在这里发现的，方便理解矩阵乘法。

一个$m*n$的的A矩阵，和一个$n*p$的B矩阵相乘，将得到一个$m*p$的矩阵C

$$C(i,j)=\sum_{k=1}^n A(i,k)*B(k,j)$$
可以简单地理解为，A中i行的元素，与B中j列的元素，对应相乘得到的和。

矩阵乘法的运算定律

（1） 不满足交换律
（2） 满足结合律：(AB)C=A(BC)
（3） 满足分配律：(A+B)C=AC+BC A(B+C)=AB+AC

模板

template <typename T,int M,int N>
    struct Matrix
    {
        T mat[M][N];
        inline Matrix(){
  memset(mat,0,sizeof mat);}
        inline T* operator[](int i){
  return mat[i];}
    };
template <typename T,int M,int N,int P>
    inline Matrix<T,M,P> operator*(const Matrix<T,M,N>& x,const Matrix<T,N,P>& y)
        {
            Matrix<T,M,P> ret;
            int i,j,k;
            for (i=0;i<M;++i)
                for (j=0;j<P;++j)
                    for (k=0;k<N;++k)
                        ret.mat[i][j]+=x.mat[i][k]*y.mat[k][j];
            return ret;
        }
template <typename T,typename T_>
    inline T pow(T x,T_ y)
    {
        T ret=x;
        --y;//这两句话可以忽略初值问题，但y<=0时就悲剧了
        while (y)
        {
            if (y&1)
                ret=ret*x;
            y>>=1;
            x=x*x;  
        }
        return ret;
    }

矩阵乘法的应用

矩阵乘法可以优化时间。
将某些操作转化为矩阵乘法的形式，就可以用快速幂减少时间。因为矩阵乘法满足结合律。

---

例题一 斐波那契数列

描述

题目背景

大家都知道，斐波那契数列是满足如下性质的一个数列：
• f(1) = 1
• f(2) = 1
• f(n) = f(n-1) + f(n-2) (n ≥ 2 且 n 为整数)

题目描述

请你求出 f(n) mod 1000000007 的值。

输入格式：

·第 1 行：一个整数 n

输出格式：

第 1 行： f(n) mod 1000000007 的值

输入样例#1：

5

输出样例#1：

5

输入样例#2：

10

输出样例#2：

55

说明

对于 60% 的数据： n ≤ 92
对于 100% 的数据： n在long long(INT64)范围内。

解法

这是一道裸斐波拉契数列。传统递推是O(N)的，显然会炸。
斐波拉契数列有个通项，但我们在这里用矩阵乘法解决。
我们知道f(n)是由f(n-1)和f(n-2)推过来的，不妨设一个1*2的矩阵

$$A=\left[\begin{matrix} f(n-2) & f(n-1) \end{matrix}\right]$$
现在我们要通过A推出B
$$B=\left[\begin{matrix} f(n-1) & f(n) \end{matrix}\right]= \left[\begin{matrix} f(n-1) & f(n-2)+f(n-1) \end{matrix}\right]$$
我们要求出一个2*2的 转移矩阵 T，满足
$$A*T=B$$
即

[f(n−2)f(n−1)]∗T=[